甲骨文内部推广 AI 遇到“二次瓶颈”：代码更快了，交付流程和成本控制仍需重做
据 IT之家 9 月 18 日消息，过去两年，甲骨文投入数十亿美元为外部企业提供 AI 运行能力，但这家云与数据库巨头在自家公司内部全面落地生成式 AI 的进度并不算顺利。《商业内幕》报道称，甲骨文联合 CEO 克莱·马古尔克在内部员工大会上承认，直到去年，公司仍没有找到让生成式 AI 在整个员工队伍中真正发挥作用的方法。随着 ChatGPT Enterprise、Codex 等工具在今年 4 月和 5 月开始部署，甲骨文的开发效率显著提升，但随之而来的成本、测试、验证与发布管理问题也被放大。
从“试点 AI”到“全员工具”：甲骨文的内部转折
来源显示，甲骨文去年已尝试将 AI 用于客户支持场景，但在开发、财务和销售等部门并未形成大规模应用。甲骨文首席信息官杰伊·埃文斯向员工表示，真正的转折出现在今年 4 月和 5 月，公司开始部署 ChatGPT Enterprise 和 Codex。
值得注意的是，甲骨文并非简单把 AI 工具开放给员工使用，而是同步制定了公司标准、安全控制措施和内部政策。报道称，三个月内相关工具使用率达到 80%。这说明，在大型企业中，AI 普及不仅取决于模型能力，也取决于权限、数据安全、合规策略和内部流程是否同步跟上。
不过，高使用率也带来新问题。埃文斯提到，公司已经建立内部监控机制，用于查看员工正在使用哪些模型，以及对应产生了多少费用。来源称，OpenAI GPT-6 Astra 的使用成本达到其他模型的 2.5 倍，而不少日常任务并不需要调用最昂贵的模型，较低成本的 Terra 也可完成部分工作。
- 工具普及速度很快：部署后数月内使用率已达到较高水平。
- 成本治理成为重点：企业需要区分不同任务应调用的模型档位。
- 安全与政策同步推进：甲骨文在开放工具时配套制定了内部标准和控制措施。
代码生成提速，但产品交付没有同步变快
在软件开发环节，AI 的效果最为直观。两名高管称，ChatGPT 和 Codex 投入使用后，甲骨文员工编写代码的速度大幅提升。埃文斯表示，开发人员使用相关工具后，大约一周就能生成代码，而过去一个开发团队通常需要两到三个季度才能完成类似工作。
但这并不意味着产品可以按同等速度发布。马古尔克指出，写代码变快了，不代表所有事情都会突然快上许多倍。甲骨文目前仍在研究如何重新设计测试、验证、部署和发布管理流程，使这些环节能够跟上代码生成速度。
这也是企业引入生成式 AI 后经常遇到的“二次瓶颈”：模型先压缩了某个任务的时间，比如写代码、写文档、生成方案，但组织内部的评审、质量控制、安全检查、上线审批和跨团队协作并不会自动提速。当代码生产从稀缺资源变成高频产出后，真正稀缺的可能转向验证能力和工程管理能力。
影响与解读：企业 AI 落地进入“成本—流程—安全”阶段
甲骨文的案例对中文企业用户有较强参考意义。过去一年，许多公司讨论 AI 时更关注“是否接入大模型”和“员工是否使用工具”，但甲骨文的内部实践显示，规模化之后的挑战更加复杂：不仅要让员工愿意用，还要让他们用得合规、用得划算，并让组织流程适配新的生产节奏。
在安全方面，甲骨文还获得了提前使用 Anthropic Mythos Preview 模型的授权，用于扫描代码安全漏洞。埃文斯称，该模型投入使用后，两周内发现的潜在问题就超过甲骨文此前一整年的发现数量。与此同时，如此强的扫描能力也带来了大量误报。来源显示，埃文斯估计 Mythos 发现的问题中约 60% 至 70% 属于误报，甲骨文因此建立了新的核查流程，由工程师先判断漏洞是否真实存在，再进行修复。
这说明，AI 安全工具并不会自动替代安全团队。它可以扩大扫描范围、提升发现速度，但误报筛选、风险分级和修复决策仍需要工程体系承接。对大型科技公司而言，AI 的价值不只在于“生成更多内容”，更在于推动企业重构研发、安全、财务和运营流程。
总体来看，甲骨文一方面是 AI 基础设施的重要供应商，另一方面也在经历自身数字化组织的再改造。其经验表明，企业级 AI 竞争的下一阶段，不只是模型能力比拼，而是谁能更好地管理模型成本、重塑工程流程，并把 AI 输出转化为真实业务交付。